Xem mẫu

  1. Y Học TP. Hồ Chí Minh * Phụ Bản Tập 20 * Số 5 * 2016 Nghiên cứu Y học ỨNG DỤNG MÔ HÌNH ARIMA TRONG ĐÁNH GIÁ VÀ DỰ BÁO TÁC ĐỘNG CỦA BIẾN ĐỔI KHÍ HẬU TỚI MỘT SỐ BỆNH TẠI THÀNH PHỐ HỒ CHÍ MINH Lê Hoàng Ninh*, Phùng Đức Nhật*Nguyễn Bích Hà*, Dương Thị Minh Tâm*, Nguyễn Ngọc Duy* TÓM TẮT Đặt vấn đề: Tại Việt Nam một số nghiên cứu cho thấy biến đổi khí hậu(BĐKH) tác động lên số mắc và tử vong một số bệnh truyền nhiễm và bệnh không lây. Chưa có nghiên cứu nào về tác động BĐKH lên các vấn đề sức khỏe tại thành phố Hồ Chí Minh sử dụng phương pháp ARIMA. Mục tiêu: Đánh giá sơ bộ tác động của BĐKH lên các bệnh truyền nhiễm tại 6 quận/huyện của thành phố Hồ Chí Minh. Phương pháp nghiên cứu: Nghiên cứu mô tả cắt ngang hồi cứu số liệu về số mắc của bệnh truyền nhiễm trong giai đoạn 2000-2014. Các bệnh truyền nhiễm được khảo sát bao gồm sốt xuất huyết (SXH) và tiêu chảy. Dữ liệu về số ca mắc mới bệnh SXH và tiêu chảy được thu thập theo tháng từ dữ liệu tháng của Trung tâm Y tế dự phòng Hồ Chí Minh. Phương pháp ARIMA (autoregressive intergrated moving average) được sử dụng để mô tả và tiên đoán số ca mắc tiêu chảy và SXH. Phần mềm Stata v.13 được sử dụng để phân tích số liệu. Kết quả: Số ca mắc SXH và tiêu chảy có xu hướng gia tăng theo thời gian. Số ca mắc SXH tăng từ tháng 5- 9 và sau đó giảm dần vào tháng 10 cho đến tháng 3 năm sau. Mô hình ARIMA (0,1,1) phù hợp để tiên đoán số ca mắc tiêu chảy trong tương lai. Đường tiên đoán số ca mắc tiêu chảy trong giai đoạn từ tháng 1/2015 đến tháng 1/2018 cho thấy số ca mắc tiêu chảy có xu hướng tăng nhẹ trong thời gian sắp tới. Mô hình SARIMA (1,0,0)(1,1,0)12 là mô hình phù hợp nhất để tiên đoán số ca mắc SXH vì chỉ số AIC và BIC đều thấp hơn so với hai mô hình còn lại. Kết luận: Phương pháp ARIMA áp dụng để tiên đoán số ca mắc SXH và tiêu chảy tại 6 quận/huyện của thành phố. Kết quả cho thấy các mô hình ARIMA dự đoán với mức chính xác cao cho số ca mắc SXH và tiêu chảy. Như vậy có thể sử dụng phương pháp ARIMA để tiên đoán xu hướng các bệnh truyền nhiễm khác. Tuy nhiên cần tiến hành một nghiên cứu tiếp theo để so sánh năng lực tiên đoán của phương pháp ARIMA và các phương pháp tiên đoán số ca mắc bệnh truyền nhiễm khác. Từ khóa: bệnh truyền nhiễm, biến đổi khí hậu,ARIMA ABSTRACT APPLICATION OF ARIMA MODEL TO CHARACTERIZE AND FORECAST IMPACTS OF CLIMATE CHANGE ON TWO COMMUNICABLE DISEASES IN HO CHI MINH CITY Le Hoang Ninh, Phung Duc Nhat, Nguyen Bich Ha, Duong Thi Minh Tam, Nguyen Ngoc Duy * Y Hoc TP. Ho Chi Minh * Supplement of Vol. 20 - No 5 - 2016: 201 - 208 Background: Few studies in Vietnam revealed that climate change (CC) had significant impacts on morbidity and mortality of several communicable and non-communicable diseases. No studies on health impacts of CC using ARIMA model have been conducted in Ho Chi Minh City. Objectives: Preliminarily evaluating impacts of CC on morbidities of several communicable diseases in 6 provinces in Ho Chi Minh City.  Viện Y tế Công cộng thành phố Hồ Chí Minh Tác giả liên lạc: ThS. Nguyễn Ngọc Duy ĐT: 0908929001 Email: duyngocnguyen1982@gmail.com Chuyên Đề Y Tế Công Cộng 201
  2. Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Phụ Bản Tập 20 * Số 5 * 2016 Methodology: A cross-sectional study with retrospective review on 2000-2014 numbers of cases of two communicable diseases was conducted. Investigated communicable diseases included Dengue fever and diarrhea. Monthly number of cases of investigated diseases was collected from Preventive Health Center of Ho Chi Minh City. ARIMA (autoregressive integrated moving average) model was applied to characterize and forecast number of cases of these communicable diseases. Stata v.13 software package was used for data analysis. Results: Number of cases of Dengue fever and diarrhea had increased during 2000-2014. Number of cases of Dengue fever increased annually from May to September and then declined for next months. ARIMA (0,1,1) was appropriate to forecast number of cases of Dengue in the future. The forecast line of number of Dengue cases from Jan 2016 to Jan 2018 showed a slight increase of infected cases. SARIMA (1,0,0)(1,1,0)12 was the best model to forecast number of diarrhea with the least AIC and BIC compared to two other models. Conclusion: ARIMA model was used to characterize and forecast Dengue cases and diarrhea cases in 6 provinces of Ho Chi Minh City. The results showed that the ARIMA model was an appropriate method to forecast communicable diseases. However, there should be another study conducting to compare the effectiveness of forecasting among ARIMA model and other generalized modeling methods. Key words: Communicable diseases, climate change, ARIMA ĐẶT VẤN ĐỀ Tại TP.HCM trong thời gian qua, diễn biến của khí hậu cũng có những nét tương đồng với Tại Việt Nam, biến đổi khí hậu (BĐKH) là cả nước. BĐKH đã và đang làm cho thời tiết một vấn đề đang ngày càng được quan tâm vì ngày càng diễn biến phức tạp, thiên tai, bão lũ, Việt Nam là một trong năm nước chịu ảnh hạn hán xảy ra thường xuyên, nước ngọt khan hưởng nặng nề nhất từ BĐKH. Một số nghiên hiếm, năng suất nông nghiệp giảm, các hệ sinh cứu gần đây cũng đã tìm hiểu về tác động của thái bị phá vỡ và bệnh tật gia tăng... tác động tới BĐKH lên các vấn đề sức khỏe. Một nghiên tất cả các vùng và các lĩnh vực về tài nguyên, cứu tại khu vực miền Bắc cho thấy mô hình môi trường và kinh tế - xã hội. bệnh tật của người dân thay đổi theo sự biến động thời tiết trong đó mùa đông ngày càng Có nhiều phương pháp đã được sử dụng để ấm dần lên dẫn đến những thay đổi về nhịp mô tả và tiên đoán số ca mắc các bệnh truyền sinh học của người dân gây ra những bệnh nhiễm và mô hình hóa mối liên quan giữa các truyền nhiễm trước đây ít khi xảy ra vào mùa yếu tố môi trường và số ca mắc các bệnh truyền đông tại miền Bắc(1). Một nghiên cứu năm 2014 nhiễm. Trong các phương pháp này, mô hình cũng cho thấy tần suất mắc các bệnh thông ARIMA được chứng minh có giá trị tốt hơn một thường ở người dân Việt Nam tăng lên tỷ lệ số phương pháp khác như hồi quy Poisson, hồi thuận với những yếu tố gây ra do BĐKH trong quy tuyến tính trong việc tiên đoán cũng như những năm gần đây, đặc biệt là sự gia tăng mô hình hóa tác động của BĐKH lên các bệnh một số bệnh mới nổi như cúm mới, viêm não truyền nhiễm(3). Nhật Bản và bệnh dịch lưu hành như sốt xuất Cho đến nay, chưa có nghiên cứu nào đánh huyết. Nghiên cứu của Đỗ Thị Thanh Tâm giá tác động của BĐKH lên các vấn đề sức khỏe khảo sát tác động của BĐKH lên sức khỏe của của người dân tại thành phố Hồ Chí Minh sử người dân tại một số tỉnh miền Nam cho thấy dụng phương pháp ARIMA. Một nghiên cứu sơ điểm trung bình nhập viện vì bệnh tim mạch bộ ban đầu sử dụng phương pháp ARIMA trong tối thiểu là 260C(2). Trên hoặc dưới ngưỡng này mô tả và tiên đoán số ca mắc các bệnh truyền thì số nhập viện do tim mạch trong 30 ngày trễ nhiễm tại Hồ Chí Minh là cần thiết. sẽ có xu hướng tăng lên khi nhiệt độ tăng và giảm(4). 202 Chuyên Đề Y Tế Công Cộng
  3. Y Học TP. Hồ Chí Minh * Phụ Bản Tập 20 * Số 5 * 2016 Nghiên cứu Y học Mục tiêu nghiên cứu 2000-2014 dùng để xác định tính khuynh hướng Mô tả được sự thay đổi và tiên đoán số ca của mô hình. Nếu đồ thị không thể hiện rõ xu mắc của một số bệnh truyền nhiễm trong giai hướng, áp dụng kỹ thuật làm mềm 5 lag để đoạn 2000-2015 tại 6 quận/huyện của thành phố phát hiện xu hướng rõ hơn. Ngoài ra phương Hồ Chí Minh. trình hồi quy tuyến tính đơn biến giữa số ca mắc bệnh truyền nhiễm và thời gian cũng được ĐỐITƯỢNG-PHƯƠNGPHÁPNGHIÊNCỨU thiết lập để xác định số ca mắc bệnh truyền Địa bàn nghiên cứu nhiễm có xu hướng tương quan tuyến tính theo Các quận được chọn vào địa bàn nghiên cứu thời gian hay không; 2) Đồ thị chu kỳ số ca mắc gồm: quận 4, quận 5, quận Bình Thạnh, huyện bệnh truyền nhiễm theo tháng dùng để mô tả Cần Giờ, huyện Củ chi, huyện Nhà Bè. Do mức tính theo mùa của dữ liệu 3) Yếu tố hiệu chỉnh độ dễ tổn thương do biến đổi khí hậu, riêng theo mùa (SAF) được sử dụng để xác định đỉnh quận 5 là quận nội thành được chọn để so sánh. biến thiên theo mùa; 4) Tính hàm tương quan nội tại (ACF) và hàm tương quan nội tại từng Thu thập dữ liệu phần (PACF) để xác định cấu trúc phụ thuộc Số ca mắc hàng tháng tại 6 quận/huyện từ thời gian của số ca SXH đã chuyển đổi (nếu có); năm 2000-2014 của các bệnh tiêu chảy và sốt xuất 3) Sử dụng phép kiểm AIC (Akaike Information huyết, được thu thập từ số liệu báo cáo hàng Criterion) để xác định độ tương hợp của mô tháng của Trung tâm Y tế dự phòng thành phố hình; 4) phép kiểm Ljung-Box dùng để đo Hồ Chí Minh. Số ca mắc hàng tháng được Trung lường ACF của hệ số dư mô hình và 5) Xác tâm Y tế dự phòng thành phố Hồ Chí Minh thu định ý nghĩa thống kê của tham số (khác 0) (giá thập từ các trạm y tế xã, và các bệnh viện trong trị t phải >|2|). Bước thứ ba là ước lượng tham thành phố thành phố Hồ Chí Minh theo các biểu số của mô hình ARIMA bằng likelihood tối mẫu báo cáo được Bộ Y tế quy định. Để tránh đa.Bước bốn là so sánh giá trị tính được từ mô tình trạng lệch số liệu, số ca mắc bệnh được hình và giá trị quan sát để kiểm tra mức độ phù chuyển đổi thành dạng ln. hợp của mô hình. Phân tích dữ liệu Mô hình sau khi thiết lập được sử dụng để Sử dụng phương pháp Box-Jenkins để lập tiên đoán số mắc bệnh truyền nhiễm cho năm mô hình ARIMA cho số ca mắc các bệnh 2015. Có hai phương pháp được sử dụng để ước truyền nhiễm. Phương pháp này bao gồm bốn tính các giá trị tiên đoán cho năm 2015. Phương bước: Bước thứ nhất: kiểm tra sự phân tán của pháp thứ nhất sử dụng mô hình ARIMA đã số liệu ca mắc bệnh truyền nhiễm bằng biểu được thiết lập để tiên đoán cho 12 tháng tiếp đồ hộp mô tả số trung vị của các ca bệnh theo theo, tức 12 quan sát ngoài mẫu của năm 2015. tháng. Nếu số liệu có sự phân tán mạnh cần Phương pháp này có thể sử dụng cho giám sát phải chuyển đổi số liệu sang dạng ln để loại bệnh truyền nhiễm. Tuy nhiên phương pháp trừ sự phân tán số liệu. Bước thứ hai: xác định này không phản ánh được bản chất luôn thay bậc cho tham số tự hồi quy (AR) không theo đổi của giám sát. Nghiên cứu đánh giá năng lực mùa và theo mùa (p và P) và tham số trung tiên đoán ngoài mẫu của cả hai phương pháp bình tịnh tiến (MA) không theo mùa và theo bằng cách tính căn bậc hai của sai số bình mùa (q và Q), và xác định có cần phải tính sai phương trung bình (RSME), là giá trị dùng để đo phân (hiệu số không theo mùa và theo mùa) lường hiệu số giữa giá trị tính được từ mô hình hay không (d và D). Các công cụ sau được sử và giá trị thực tế quan sát được. Nếu RSME thấp dụng để xác định tham số cho mô hình: 1) Đồ chứng tỏ phương pháp có năng lực tiên đoán thị số ca bệnh truyền nhiễm trong giai đoạn cao. Ngoài ra, sử dụng phép kiểm Wilcoxon Chuyên Đề Y Tế Công Cộng 203
  4. Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Phụ Bản Tập 20 * Số 5 * 2016 signed-ranks để ước lượng hiệu số sai số giữa đến 930.496 ca mắc tiêu chảy, trong đó có 4 hai phương pháp này. Phép kiểm này đánh giá người chết(7). nếu trung vị của phân phối hiệu số của hai sai số Xu hướng số ca tiêu chảy tại các (tức giá trị mô hình trừ giá trị quan sát) của hai quận/huyện thay đổi theo hai giai đoạn: từ phương pháp khác biệt có ý nghĩa thống kê khác năm 2000 đến năm 2008, và sau 2008. Có thể không ở mức ý nghĩa 0,05 hay không. thấy số ca tiêu chảy có xu hướng thấp trong KẾT QUẢ-BÀN LUẬN giai đoạn 2000-2008, tuy nhiên đến giai đoạn 2009 trở đi số ca tiêu chảy có xu hướng tăng Sự biến thiên và tiên đoán số ca mắc tiêu cao, đạt mức cao vào hai năm 2010-2011 và chảy tại 6 quận/huyện giảm dần cho đến năm 2014. Chỉ riêng quận 5 Số liệu thống kê số ca mắc tiêu chảy theo số ca tiêu chảy lại có xu hướng giảm dần cả từng năm tại 6 quận/huyện cho thấy năm 2009 giai đoạn từ 2000 đến 2014. là năm có số ca mắc cao nhất với 2304 ca. Một Sử dụng phương pháp lập mô hình số năm khác có số ca mắc tiêu chảy cao là 2010 ARIMA cho số ca mắc tiêu chảy của 6 (2050 ca), 2011 (1836 ca), 2012 (1769 ca). Số liệu quận/huyện, có 3 mô hình có thể dùng để tiên này cho thấy số ca mắc tiêu chảy tăng mạnh lượng số ca mắc tiêu chảy trong giai đoạn chỉ trong vòng 10 năm trở lại đây. Trong đó, 2000-2014 (p< 0,001): Mô hình 1: ARIMA quận 5 và Bình Thạnh là 2 khu vực nội thành (1,1,1), mô hình 2: AR(2,0,0) và mô hình 3: của Tp. Hồ Chí Minh nhưng lại có số mắc tiêu ARIMA (0,1,1). Khi tính chỉ số AIC và BIC cho chảy cao so với các khu vực khác của thành từng mô hình thì mô hình 3 ARIMA (0,1,1) là phố Hồ Chí Minh mô hình có AIC và BIC nhỏ nhất so với hai mô Số liệu này cũng phù hợp với số liệu được hình còn lại (lần lượt là 1737,32 và 1746,88). Do báo cáo trong nước. Báo cáo tình hình bệnh tiêu đó mô hình 3 là mô hình phù hợp nhất để tiên chảy tại Việt Nam giai đoạn 2002 – 2011 ghi nhận đoán số ca mắc tiêu chảy của 6 quận/huyện. có số ca mắc tiêu chảy là 9.408.345 và cao nhất Sử dụng mô hình ARIMA (0,1,1) để tiên vào 2 năm 2002, năm 2005 với số ca mắc tương đoán trong mẫu từ giai đoạn từ tháng 1/2000 đến ứng: 1.055.969 ca và 1.011.718 ca với tỷ suất mắc 12/2014 cho thấy đường tiên đoán gần trùng trung bình 1327,62 và 1220,98/100.000 dân. Năm khớp với đường giá trị quan sát, chứng tỏ mô 2009 và 2010 cũng là năm bùng phát dịch tiêu hình này phù hợp để tiên đoán số ca mắc tiêu chảy cấp trên toàn quốc(5). Theo báo cáo của Văn chảy trong tương lai. Đường tiên đoán số ca mắc phòng Tổ chức Y tế thế giới khu vực Tây Thái tiêu chảy trong giai đoạn từ tháng 1/2015 đến bình dương (WPRO), năm 2009 tại Việt Nam có tháng 1/2018 cho thấy số ca mắc tiêu chảy có xu hướng tăng nhẹ trong thời gian sắp tới. Bảng 1: Số ca tiêu chảy tại 6 quận/huyện qua các năm từ 2000-2014 Năm 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Tổng Quận 4 104 123 96 106 82 106 187 101 178 407 336 280 300 266 153 2.825 Quận 5 431 527 401 406 337 311 348 345 244 331 331 235 246 228 222 4.943 Bình Thạnh 41 66 43 50 60 73 225 65 404 870 759 740 644 454 286 4.780 Cần Giờ 18 12 18 18 13 13 42 19 62 153 108 104 99 88 76 843 Củ Chi 9 22 28 60 66 74 69 112 145 233 210 191 200 244 197 1.860 Nhà Bè 80 86 71 93 104 206 184 131 160 310 306 286 280 238 169 2.704 6 quận/ huyện 683 836 657 733 662 783 1055 773 1193 2304 2050 1836 1769 1518 1103 17.955 204 Chuyên Đề Y Tế Công Cộng
  5. Y Học TP. Hồ Chí Minh * Phụ Bản Tập 20 * Số 5 * 2016 Nghiên cứu Y học Hình 1: Xu hướng số ca mắc tiêu chảy trong giai đoạn tháng 1/2000 đến tháng 12/2014 Bảng 2: Các mô hình tiên đoán số ca mắc tiêu chảy tại 6 quận/huyện sử dụng phương pháp ARIMA Biến số β (KTC 95%) Giá trị p Giá trị p của mô hình AIC BIC AR1 0,02 (-0,15 – 0,18) 0,85 Mô hình 1: ARIMA MA1 -0,63 (-0,75 - -0,50)
  6. Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Phụ Bản Tập 20 * Số 5 * 2016 và Schwartz khảo sát tính chất theo mùa và xu Đồ thị so sánh hai mô hình 1 và 2 cho thấy hướng năm của 522 ca SXH là khách du lịch và mô hình 2 có khả năng tiên đoán tốt hơn số ca nhận thấy rằng đỉnh mắc SXH của khu vực mắc SXH vì đường tiên đoán của mô hình 2 Đông Nam Á rơi vào tháng sáu và tháng chín, trong giai đoạn 1/2012 đến 12/2014 trùng khớp Nam Trung Á là tháng mười, Nam Mỹ là tháng với đường giá trị thực của số ca mắc SXH trong ba và khu vực Caribean là tháng 8 và tháng 10(6). giai đoạn này trong khi đường tiên đoán của mô hình 1 không đi sát với đường giá trị thực nhất là những đoạn tăng giảm đột ngột. Hình 2: Tiên đoán số ca mắc SXH trong giai đoạn 1/2000-12/2014 và giai đoạn 1/2015-12/2017 Sự biến thiên và tiên đoán số ca mắc sốt xuất huyết tại 6 quận/huyện Bảng 3: Số ca mắc SXH tại 6 quận huyện trong giai đoạn 2000-2014 Năm 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 Tổng Quận 4 66 96 109 307 441 220 231 228 311 342 237 339 330 170 175 3602 Quận 5 75 103 103 278 222 178 320 406 496 360 325 358 304 252 285 4065 BThạnh 20 104 105 569 395 273 368 399 1224 923 843 641 441 398 303 7006 Cần Giờ 29 20 25 12 71 39 96 162 60 152 57 130 168 57 41 1119 Củ Chi 16 7 19 24 19 26 54 62 72 268 116 139 183 112 134 1251 Nhà Bè 86 34 25 146 164 144 181 137 300 374 227 235 181 163 102 2499 6 quận huyện 292 364 386 1336 1312 880 1250 1394 2463 2419 1805 1842 1607 1152 1040 19542 206 Chuyên Đề Y Tế Công Cộng
  7. Y Học TP. Hồ Chí Minh * Phụ Bản Tập 20 * Số 5 * 2016 Nghiên cứu Y học 6 5 lnm_sxh_6q 43 2 2000m1 2005m1 2010m1 2015m1 thang Hình 3: Diễn tiến số ca mắc SXH tại 6 quận/huyện trong giai đoạn 1/2000 đến 12/2014 6 5 4 3 2 5 6 7 8 9 10 11 12 1 2 3 4 thang1 lnm_sxh_6q median lnm_sxh_6q Hình 4: Số ca mắc SXH theo tháng trong giai đoạn 2000-2014 Bảng 4: Mô hình ARIMA cho số ca mắc SXH 6 quận huyện trong giai đoạn 2000-2014 Mô hình 1 AR1 (KTC) Mô hình 2 SAR1 Mô hình 3 SMA1 Điểm chặn (KTC) Độ nhiễu (KTC) Biến số Giá trị p (KTC) Giá trị p (KTC) Giá trị p Giá trị p Giá trị p Số ca mắc 0,77 (0,71 – 0,85) 0,93 (0,70 – 1,16) -0,80 (-1,13 - -0,47) 101,9 (1,83 – 201,98) 49,31 (46,68 – 51,94) SXH
  8. Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Phụ Bản Tập 20 * Số 5 * 2016 Hình 5: So sánh mô hình 1 và 2 trong tiên đoán số ca mắc SXH trong giai đoạn 1/2012 đến 12/2014 3. Hii YL, Rocklo¨v J, Wall S, et al (2012) "Optimal lead time for KẾT LUẬN dengue forecast". PLoS Negl Trop Dis, 6, (10), 1848. Phương pháp ARIMA có thể áp dụng để tiên 4. Lam HT, Ekerljung LT, et al (2014 ) "Prevalence of COPD by disease severity in men and women in northern Vietnam". đoán số ca mắc SXH và tiêu chảy tại 6 COPD, 11, (5), 575-81. quận/huyện của thành phố. Kết quả cho thấy các 5. Nguyễn Thanh Thảo, Lê Thị Tài, Nguyễn Văn Hiến (2014) "Tình hình bệnh tiêu chảy tại Việt Nam giai đoạn 2002 - 2011". mô hình ARIMA dự đoán khá chính xác cho số Tạp chí y học dự phòng, Tập XXIV, Số 7, (156), Tr. 92 – 97. ca mắc SXH và tiêu chảy. Như vậy có thể sử 6. Wilder-SmithA, Gubler DJ (2008) "Geographic expansion of dụng phương pháp ARIMA để tiên đoán các dengue: the impact of international travel". Med Clin North Am, 92, (6), Pp. 1377-1390. bệnh truyền nhiễm khác. Tuy nhiên cần tiến 7. WPRO (2016), Bệnh tả và tiêu chảy cấp, hành một nghiên cứu tiếp theo để so sánh năng http://www.wpro.who.int/vietnam/topics/cholera/factsheet/vi lực tiên đoán của phương pháp ARIMA và các /, Truy cập ngày 5/5/2016. 8. Wu PC, Guo HR, Lung SC, Lin CY, Su HJ (2007) "Weather as phương pháp tiên đoán số ca mắc bệnh truyền an effective predictor for occurrence of dengue fever in nhiễm khác. Taiwan". Acta Trop, 103, 50–57. TÀI LIỆU THAM KHẢO 1. Dao TMA, Rocklo J (2014) "Epidemiology of dengue fever in Ngày nhận bài báo: 9/8/2016 Hanoi from 2002 to 2010 and its meteorological Ngày phản biện nhận xét bài báo: 9/8/2016 determinants". Global Health Action, 7, 23074. Ngày bài báo được đăng: 05/10/2016 2. Do TTT, Vu DK, Kim BG, Hoang VM, Pamela W (2014) "Perceptions of climate change and its impact on human health: an integrated quantitative and qualitative approach". Global Health Action, 7, (23025). 208 Chuyên Đề Y Tế Công Cộng